Un poco acerca de dónde significa realmente todo el “cableado DTI” y por qué incluso la importancia estadística de estos resultados viene acompañada de advertencias.
Interpretación de “conexiones” estructurales:
La imagen con tensor de difusión o DTI es un tipo de IRM sintonizado para detectar moléculas de agua en el cerebro. Al tomar imágenes de la difusión del agua en el cerebro, el DTI a su vez nos permite detectar las direcciones donde el agua no puede difundir, debido a la presencia de fibras de materia blanca. Así, el DTI captura indirectamente las fibras de materia blanca que conectan regiones del cerebro espacialmente distantes. Cada píxel tridimensional del cerebro, llamado vóxel, en una imagen de resonancia magnética tiene una resolución de aproximadamente 1 mm ^ 3. Usando información sobre la difusión del agua en cada vóxel, las herramientas estándar de preprocesamiento de DTI le permiten construir un mapa de tractografía que muestra las vías de estos haces de axones como el que se muestra a continuación.
En este artículo, los autores dividieron el cerebro de cada sujeto en 95 regiones cerebrales. Cada región del cerebro es bastante grande y podría contener hasta unos cientos de voxels de este tipo en promedio. Para cada sujeto, los autores luego cuentan la cantidad de tractos de axones que pasan a través de cualquiera de los dos pares de las 95 regiones del cerebro para obtener una probabilidad de conexión. Esta es una imagen muy macroscópica a nivel de sistema de una conexión y solo corresponde a las estructuras físicas del cerebro de una manera indirecta muy desordenada.
Cuando se comparan las diferencias entre hombres y mujeres, las diferencias están en la fuerza promedio de estas probabilidades de conexión entre dos grupos que no están en la presencia o ausencia absoluta de un haz de fibras de axón en el cerebro. Para reiterar el punto de Paul King , las diferencias de conectividad estructural pueden ser tan engañosas como los mapas de activación funcional en fMRI, ya que a menudo detectan diferencias relativas y no absolutas.
Información inadecuada con respecto a las pruebas de Multipe:
Es inusual que The Economist y los autores afirman que la diferencia se desarrolla con la edad, ya que los autores proporcionaron pruebas contradictorias en el documento de que la interacción edad-sexo no fue estadísticamente significativa. La profesora Dorothy Bishop destacó esto también en Qué diferencia hace un día: cómo las redes sociales están transformando el debate científico
La respuesta de Bradley Voytek resumió muchos problemas al evaluar el significado práctico de los resultados del documento. Sin embargo, tengo algunas preocupaciones reales sobre los métodos estadísticos en sí. Tenga en cuenta que muchos de estos problemas se aplicarían también a otros documentos de imágenes y son buenas razones para interpretar siempre los resultados de cualquier estudio de imágenes con cautela.
Un componente que me llamó la atención en este documento es que los autores han realizado tres series de pruebas para decidir si hay diferencias entre hombres y mujeres. Probaron las diferencias entre los sexos en 3 grupos de edad por separado, pero no está claro si corrigieron las comparaciones múltiples de forma independiente dentro de cada grupo o en todas las comparaciones de edad. Tampoco mencionan cuántas pruebas de aristas reales se realizaron en cada caso, aunque sí mencionan la detección de una serie de aristas basadas en los mapas estadísticos t, por lo que en realidad se probaron mucho menos de 95 x 94 aristas.
Realmente no pude percibir qué tan bien estas diferencias sobrevivieron a las pruebas múltiples de la información que proporcionaron. Me sorprende que a los revisores de PNAS no les importara la escasez de información estadística en el documento.
Si bien los autores utilizan las pruebas de permutación para calcular los valores de p y una estadística de T máxima sobre los nulos de permutación para corregir la multiplicidad, no son suficientes para controlar los falsos positivos en este experimento. Una suposición importante de los procedimientos de máxima T es que cada prueba de hipótesis de borde está distribuida “de manera idéntica”. En la práctica, es altamente improbable que la probabilidad de conexión para cada borde en estos mapas DTI comparta una distribución similar. Es probable que algunos pares de regiones cerebrales tengan probabilidades de conexión consistentemente más grandes que otros. Es probable que los pares de regiones cerebrales menos fuertemente conectados tengan grandes variaciones muestrales que no se tienen en cuenta. Es difícil decirlo sin realmente examinar el conjunto de datos DTI a fondo, pero en tales casos, existe la posibilidad de que los procedimientos de máxima T subestimen la posibilidad de ver diferencias extremas por casualidad. Las pruebas de permutación no hacen suposiciones paramétricas sobre la gaussianidad de las probabilidades de conexión y, por lo tanto, son útiles en este contexto. Sin embargo, no están completamente libres de suposiciones y siempre vienen con la advertencia de que estamos agrupando permutaciones a través de bordes distribuidos de manera no idéntica.
